AMD 与 Google Cloud 的缺口凸显其 MI455X 挑战 Nvidia Rubin 的难题

AMD 于 7 月 23 日发布了 Instinct MI455X，目标直指 Nvidia 的 Rubin 世代。然而，AMD 与 Google 的关系仍是其不断扩大的客户名单中一个颇具意味的缺口。

这款新 GPU 是 Helios 的核心组成部分，后者是 AMD 首个完全集成的机架级 AI 设计。每个 Helios 机架通过 EPYC 处理器、Pensando 网络组件和 ROCm 软件栈连接 72 个 MI455X 加速器。AMD 表示，该系统提供的内存容量和峰值低精度计算能力均高于 Nvidia 相应的 Vera Rubin NVL72 机架。

这一说法使此次发布不只是又一次加速器更新。AMD 正在要求云服务商和模型开发者考虑一种面向完整 AI 系统的替代架构。Microsoft、Meta、OpenAI、Oracle 和 Anthropic 已以不同程度验证了这一战略。

Google 则构成了另一项考验。Google Cloud 已提供基于 AMD EPYC 的虚拟机，但它也运营着自有的 TPU 加速器平台。AMD 的发布材料中并未出现 Google 对 MI455X 或 Helios 作出的同等承诺。

因此，核心竞争已不止于 AMD 与 Nvidia 的芯片之争。AMD 必须证明，开放式机架设计能够在生产规模上吸引工作负载、开发者和运维人员。其规格参数令这一论点具备可信度，但规格并不能消除 Nvidia 在软件和部署方面的优势。

AMD 的 MI455X 将 Helios 打造成完整机架竞争者

AMD 已从销售加速器组件转向展示一套完整的 72-GPU 系统，其目标是争取与 Nvidia Rubin 平台相同的采购需求。

MI455X 是 AMD MI400 系列中的旗舰加速器。它采用 AMD 第五代 CDNA 架构，面向数据中心计算而非消费级图形设计。

AMD 列出的参数包括 3200 亿个晶体管和 2.4 GHz 的峰值引擎频率。该加速器配备 432 GB HBM4，即部署在处理器附近的高带宽内存。这些内存可提供最高 23.3 TB/s 的理论带宽。

该芯片还支持最高 40.3 petaflops 的 OCP MXFP4 性能。MXFP4 是一种紧凑的四位数值格式，可在适用的 AI 工作负载中提高吞吐量。AMD 表示，多种六位和八位格式的性能可达 20.1 petaflops。

这些数值是理论峰值，而非应用基准测试结果。它们描述的是特定格式和运行条件下允许达到的最大吞吐量。实际性能取决于模型、软件内核、网络、内存行为和系统配置。

内存容量是 AMD 最明确的架构论点之一。该公司的 MI400 specifications 将 MI455X 的 432 GB 与 Nvidia Rubin GPU 的 288 GB 进行比较。AMD 还宣称其带宽为 23.3 TB/s，而 Rubin 为 22 TB/s。

在机架层面，Helios 集成了 72 个 MI455X GPU。AMD 列出的总 HBM4 内存为 31 TB、FP4 计算能力为 2.9 exaflops、FP8 计算能力为 1.4 exaflops。

该机架配备第六代 EPYC “Venice” 服务器 CPU 和 Pensando Vulcano 网络组件。ROCm 是 AMD 面向 GPU 计算的开源软件平台，可将硬件与框架及推理引擎连接起来。

AMD 将 Helios 称为机架级解决方案，但其文档补充了一项重要区别。Helios 是参考设计，意味着制造合作伙伴可以基于其蓝图构建系统。它并非仅由 AMD 销售的一款封闭式产品。

这种方式可扩大供应商选择并支持定制化，同时也要求 AMD 及其合作伙伴在不同实现中提供一致的表现。

Helios 采用 Meta 的 Open Rack Wide 规范，这是一种专为高密度 AI 系统设计的双宽度方案。它还采用 UALink 和 Ultra Ethernet 标准，实现加速器之间及跨集群通信。

在机架内部，AMD 表示 UALoE 通过单跳拓扑连接全部 72 个 GPU。UALoE 通过 Ethernet 技术承载 Ultra Accelerator Link 协议，目标是将这些加速器呈现为一个紧密连接的计算域。

AMD 列出的聚合纵向扩展带宽为 260 TB/s。纵向扩展通信用于在互连系统内部的 GPU 之间传输数据，而横向扩展网络则将该系统与其他机架连接起来。

这些细节说明了此次发布的重要性。MI455X 并非以一张孤立卡的形式进入市场，让客户自行组装成具有竞争力的集群。AMD 正在为按机架和兆瓦采购 AI 算力的组织提供完整架构。

这改变了采购讨论的方式。客户如今可以围绕内存、计算、网络、CPU、系统设计、软件和部署承诺来比较 AMD 与 Nvidia。竞争已延伸至整个基础设施栈。

AMD 与 Google 的问题关乎云端验证

Google 未出现在已公布的 Helios 客户群中之所以重要，是因为云端可用性可能决定开发者是否会接触到一款新加速器。

AMD 已在服务器处理器领域与 Google 建立了实质性合作关系。Google Cloud 已推出基于多代 AMD EPYC CPU 的实例，其中包括面向高要求技术工作负载的计算密集型虚拟机。

这种 CPU 合作关系并不会自动延伸到 AI 加速器。Google 多年来一直在开发 TPU，即 Tensor Processing Unit，用于训练和服务机器学习模型。它既可在内部部署这些芯片，也可通过 Google Cloud 提供。

这使 AMD 与 Google Cloud 的关系在结构上不同于 AMD 与更依赖商用 GPU 的公司之间的合作。Google 可以购买 Nvidia 系统、扩展自有 TPU，或在经济条件证明另一种选择合理时增加 AMD 加速器。

Google 也有理由维持架构多样性。AI 计算需求仍然难以完全满足，不同的加速器可能适合不同的工作负载。一个可信的 MI455X 平台将为 Google 提供另一种高内存 GPU 算力来源。

然而，AMD 的发布证据尚不足以证明这一结果。Google 未被列入 AMD 产品页面披露的 MI455X 或 Helios 部署客户之中。两家公司也未在 7 月发布期间宣布 Google Cloud MI455X 服务。

不应将这一缺失解读为拒绝。云基础设施协议通常会在算力、软件和客户访问条件准备就绪前保持非公开状态。资格认证也可能在芯片规格公开后的数月内持续进行。

不过，具名部署比兼容性声明提供了更强的验证。Microsoft 宣布 Azure 将部署 Helios，用于前沿模型推理、Azure AI 服务和客户应用。AMD 表示，向包括 Microsoft 在内的客户发货将于 2026 年下半年开始。

Microsoft 的承诺之所以重要，是因为 Azure 必须运营整个平台，而非仅仅采购单个 GPU。其工程师必须将资源配置、网络、监控、安全和软件更新整合到云环境中。

Meta 则提供了另一种验证形式。AMD 与 Meta 宣布达成一项涵盖最高 6 GW Instinct 部署的多年期协议。预计最初的 1 GW 阶段将采用定制的 MI450 加速器和 Helios 架构。

这款面向特定客户的芯片不同于标准 MI455X。即便如此，该协议仍支持 AMD 更广泛的主张：Helios 能够服务于规模极大的运营商。它也让 AMD 获得了与一家按机架和数据中心规模设计基础设施的客户合作的经验。

Anthropic 和 OpenAI 则带来了主要模型开发商的需求。这些关系表明，买家希望获得更强的谈判筹码、更多供应，以及针对推理优化的架构。它们并不能证明所有工作负载上的软件成熟度完全相同。

Google 仍是一个尤其有用的指标，因为它拥有竞争性的加速器栈。未来若 Google Cloud 部署该方案，将意味着 MI455X 即使在一家拥有强大定制芯片能力的公司内部也能提供价值。

在没有这一信号的情况下，主要证据仍来自其他超大规模云服务商和 AI 实验室。这依然具有重要意义，但也使业内最大的基础设施运营商之一未出现在公开的 Helios 客户版图中。

对开发者而言，云端可用性带来的影响不止是便利。它让用户无需购买机架即可接触硬件，加快测试，并使软件团队能够在真实工作负载下比较性价比。

它还会为库和框架带来反馈。更多云端用户会暴露更多错误、缺失的内核和性能瓶颈。这些反馈能够改进 ROCm，并降低后续企业买家的不确定性。

因此，AMD 与 Google 的缺口并非由关键词关联产生的边缘故事。它是衡量 AMD 加速器业务在多大程度上超越那些本就有动力挑战 Nvidia 的客户的一项实际指标。

Helios 通过内存和开放网络挑战 Rubin

AMD 的核心押注是，更大的本地内存和基于标准的连接能力能够抵消 Nvidia 在软件、系统和已部署容量方面的优势。

Nvidia 的 Vera Rubin 平台同样是一套完整的基础设施系统。它结合了 Rubin GPU、Vera CPU、NVLink 6 交换系统、ConnectX 网络、BlueField 数据处理单元和 Spectrum Ethernet 产品。

这种紧密集成使 Nvidia 能够优化其软硬件之间的数据移动。该公司将 Vera Rubin 定位于预训练、后训练、推理和智能体推理。Nvidia 表示，该平台于 2026 年 3 月进入全面量产。

Vera Rubin platform 包含多种机架配置和配套系统。Nvidia 宣称，相较于 Blackwell，该平台可显著降低推理成本和训练需求。这些比较采用 Nvidia 自己的方法，且结果仍取决于具体工作负载。

AMD 则以不同的架构和商业信息回应。它强调开放机架规范、基于 Ethernet 的技术和标准化加速器连接。该公司认为，客户不应在每一层都依赖单一专有互连技术。

开放性存在实际限制。已发布的规范并不保证来自不同供应商的组件会以完全相同的方式运行。买家仍需要经过认证的交换机、线缆、固件、管理工具和验证过的软件。

Nvidia 的集成能够降低这种运营不确定性。其客户购买的是一个具有成熟部署实践的受控平台，代价则是更依赖 Nvidia 的技术和发布节奏。

AMD 更大的内存容量带来了更具体的差异。生成式 AI 推理通常会将模型权重和键值缓存存储在加速器内存中。键值缓存会保留处理和生成序列时使用的注意力数据。

更多内存可支持更大的模型、更长的上下文、更大的批处理规模，或减少跨加速器的分片数量。当模型原本需要跨越更多设备时，它还可减少所需的通信。

不过，容量本身并不能决定有效吞吐量。加速器必须能快速移动数据、执行优化内核，并与同级设备高效通信。软件调度和模型架构都可能显著改变结果。

AMD 表示，单个 Helios 机架的 HBM 容量比 Nvidia 可比的 Vera Rubin NVL72 配置高出 50%。AMD 还宣称其峰值 MXFP4 性能高出 15%，并具备更高的横向扩展带宽。

这些都是主要基于峰值规格的厂商对比。它们不应被视为 Helios 能更快完成每一项训练任务，或以更低成本服务每一个模型的证据。

独立的生产环境基准测试更为重要。采购方需要看到主流混合专家模型、稠密模型、长上下文推理、微调和分布式训练的测量结果，也需要了解在实际功耗和延迟约束下的表现。

混合专家模型会为每个 token 激活选定的参数组。这可以降低计算需求，但也会带来高要求的通信模式。AMD 此前曾预计，MI400 在这类工作负载上将实现显著的代际提升。

CDNA 5 也改变了 AMD 的执行模型。它采用 32 线程波前，这意味着一条指令会在一组 32 个工作项上执行。此前的 CDNA 代际通常采用更宽的 64 线程波前。

AMD 表示，这一更窄的设计可降低同步成本，并让张量工作负载更容易映射。这种转变与现代 AMD 图形架构中已经采用的选择相似。开发者可能仍需更新内核，才能充分获得其优势。

新的 Tensor Data Mover 可在不依赖主计算引擎的情况下处理某些内存传输。将地址生成和数据移动卸载出去，能够让这些引擎继续用于数学计算。

这些机制使 MI455X 成为可信的技术挑战者。但它们尚不足以定论系统层面的对比，因为两个平台都依赖于针对快速变化模型的软件优化。

Nvidia 仍拥有 CUDA——一个由大量库、工具和经过训练的开发者支持的编程平台。多年来，组织一直围绕该环境构建部署流程。

AMD 的 ROCm 已改善了对包括 PyTorch、JAX、vLLM、SGLang、Triton 和 ONNX Runtime 在内框架的支持。AMD 还报告称，其下载量显著增长，模型兼容性也更加广泛。

兼容性只是起点。生产团队关注的是稳定升级、可预测性能、调试器、性能分析工具、分布式通信，以及对新模型的快速支持。

Helios 为 AMD 参与 Nvidia 的机架级竞争提供了所需的硬件结构。ROCm 必须让这一结构可用，而不是将每一次部署都变成定制化工程项目。

峰值规格无法决定 AI GPU 之争

最大的未知数不是 MI455X 是否具备有竞争力的组件，而是 AMD 能否将其转化为可重复的生产结果。

AMD 的公开对比强调理论性能。每秒峰值运算次数描述的是特定数值格式下的上限。应用程序很少能在完整任务期间持续达到该上限。

当处理器等待内存、网络、同步或不规则模型操作时，利用率可能下降。只有当软件能让足够多的硬件保持忙碌时，更高的峰值速率才有意义。

低精度格式还带来另一项限定。FP4 和 MXFP4 可以提高吞吐量并减少内存使用，但模型必须能够容忍较低的数值精度。有些阶段或工作负载需要更宽的格式。

量化后模型质量必须仍然可接受；量化会将数值转换为低精度表示。最佳配置可能因模型、数据集、服务目标和延迟目标而异。

这使端到端测试至关重要。一项可信的评估应包括模型准备、框架版本、批量大小、上下文长度、延迟目标、功耗和准确性测量。

在广泛客户部署之前，AMD 对 Rubin 的比较尤其难以判断。MI455X 和 Rubin 都是新平台，软件优化将在初始出货后持续推进。

实体机架也带来运营问题。Helios 采用双宽度 Open Rack Wide 设计和直接液冷。数据中心必须支持其尺寸、供电、冷却回路和维护流程。

开放标准可帮助多家供应商打造兼容设备。不过，许多设施无法在不进行改造的情况下安装新的机架规格。部署速度将和场地准备情况一样受制于处理器供应。

供应也是另一项风险。MI455X 结合了先进制程技术、复杂封装和 12 堆 HBM4。每个组件都必须以足够的规模到位，AMD 才能交付完整机架。

AMD 已与 Samsung 在 HBM4 供应方面展开合作，并宣布在台湾制造生态系统中进行重大投资。这些举措有助于产能规划，但无法消除爬坡的不确定性。

客户协议也应谨慎解读。以吉瓦衡量的承诺代表计划中的电力容量，而不是立即部署的 GPU 数量。交付通常跨越数年和多代产品。

Meta 的协议涵盖定制 MI450 硬件，而 Anthropic 宣布的部署将在更晚时候开始。Microsoft 提供了近期的 Helios 参考案例，但公开利用率数据仍需时间才能出现。

营收提供了一项有用信号。AMD 报告称，2026 年第一季度数据中心营收为 58 亿美元，同比增长 57%。EPYC 需求和持续的 Instinct 出货均为这一增长作出了贡献。

这一数字涵盖的范围不止 AI GPU。它并未披露 MI455X 营收，因为该产品尚未在该季度发布。未来业绩必须显示，Helios 是否带来了实质性的加速器销售，而非仅有管道承诺。

AMD 的季度业绩还显示，其数据中心业务已具备规模。这为公司提供了现有客户关系和应对高难度产品爬坡的财务能力。

软件仍是最难从发布材料中衡量的变量。ROCm 可以支持某个框架，却仍可能缺少针对特定模型操作的优化路径。在数千个加速器规模下，这一区别会变得代价高昂。

大型客户可以安排工程师进行优化。较小的云服务商和企业则需要可靠的默认配置。AMD 必须将与超大规模云服务商共同完成的调优，转化为更广泛客户能够部署的软件。

Nvidia 不会让其平台停滞不前。在 AMD 扩展 Helios 的同时，Rubin 的量产爬坡、库更新、网络改进和云端可用性也将持续推进。

Google 的 TPU 提供了另一条竞争路径。当 Google 控制编译器、模型栈和基础设施时，定制加速器可以取得有吸引力的成果。它们也降低了 Google 对任一商用 GPU 供应商的依赖。

Intel 和专注推理的公司提供了更多选择，尽管它们尚不具备 Nvidia 的部署规模。例如，Cerebras 已宣布与 AMD 合作开发混合推理系统，将提示处理与 token 生成分离。

这些替代方案迫使每一家厂商证明经济性，而不仅仅是基准测试领先地位。采购方最终关心的是已完成的训练任务、已服务的 token、能耗、正常运行时间和工程投入。

AMD 已提供足够的架构细节，值得进行严肃评估。但它尚未提供足够的独立生产证据，来宣称 Helios 在整个市场中是更快或更便宜的平台。

三个信号将显示 AMD 能否对 Rubin 施压

客户可用性、独立工作负载结果和顺利的量产爬坡，将决定 Helios 能否成为持久的第二平台。

第一个信号是通过主要云服务商获得商业化 MI455X 访问。Microsoft 已承诺在 Azure 上部署 Helios，使其上线成为最早被点名的广泛客户访问测试。

关键问题是 Azure 是否会向外部客户开放有用的容量，而不只是用于内部服务。公开实例可用性将让开发者无需协商专属基础设施协议即可测试模型。

Google Cloud 的公告将进一步增强这一判断。这将表明，MI455X 能够在最具技术挑战性的云环境之一中，与 Nvidia GPU 和 Google TPU 并列占据一席之地。

缺少此类公告并不会否定 Helios。Microsoft、Oracle 和其他供应商都可以提供有意义的访问渠道。不过，更深入的 amd google accelerator 合作伙伴关系，将使 AMD 的验证范围超越其当前公开客户群。

第二个信号是独立的端到端性能。MLPerf 提交结果可在厂商公布配置并满足该基准规则时，提供标准化比较。

仅靠 MLPerf 无法回答每一个采购问题。企业还应关注云服务商和模型开发者在固定延迟与质量要求下运行当前模型的结果。

有价值的报告将比较训练时间、每秒 token 数、延迟、功耗和加速器总数量。它们应标明软件版本，并披露工程师是否使用了定制内核。

内存密集型工作负载值得特别关注。如果 Helios 能在更少机架中容纳更大的模型或缓存，其 31 TB 内存池可能降低系统复杂性。这一优势必须在已部署的应用程序中体现出来。

第三个信号是 AMD 在 2026 年下半年的出货爬坡。AMD 表示，预计将在这一时期实现规模化部署，同时多个客户项目依赖基于 Helios 的系统。

成功的爬坡将在 Nvidia 将 Rubin 扩展到更多云端之前，带来客户可用性、确认营收和运营证据。延迟则会给 Nvidia 更多时间加深其平台优势。

关注 AMD 下一份财务报告中的数据中心增长和关于 Instinct 供应的评论。公司可能不会披露 MI455X 的出货量，但出货时间和客户部署声明可以揭示计划是否仍按进度推进。

关注 Microsoft 的 Azure 服务细节。其 Helios 部署为 AMD 的机架设计与可供外部访问的云基础设施之间提供了最清晰的已宣布桥梁。

最后，关注 Nvidia 的回应。Nvidia 可以调整平台配置、提高可用性、改善软件效率，并利用其已安装基础来降低迁移的吸引力。

这场比较不会由一次发布活动决定。AI 基础设施通过反复的软件发布、芯片修订和客户部署不断演进。早期规格定义机会，而运营表现决定胜者。

对开发者和企业采购方而言，实际行动很直接：在比较平台前，记录重要的模型、框架版本、延迟目标和功耗约束。

团队还需要一份可搜索的基准设置、厂商声明和部署决策记录。一个工程知识库可以在硬件与软件版本迭代时保留这些背景信息。

AMD 现已构建出针对 Nvidia Rubin 的可信机架级挑战。下一个问题是，云服务商和模型构建者能否将这一架构转化为可重复的生产能力。

MI455X 会成为广泛可用的替代方案，还是仍将集中于少数技术能力极强的采购方？关注 Azure 可用性、独立基准测试和 AMD 的出货披露。这三个信号将揭示 Helios 是否已从有竞争力的规格，转向持续的基础设施压力。